Skip to main content
次のモデルをトレーニングできます。
  • OpenPipe/Qwen3-14B-Instruct
  • Qwen/Qwen3-30B-A3B-Instruct-2507
  • meta-llama/Llama-3.1-8B-Instruct
最適なモデルはタスクによって異なります。小規模なモデルは高速で低コストな場合があり、大規模なモデルはより難しい動作に対応できる場合があります。Model Distillation を使用すると、複数の候補モデルをトレーニングし、同じサンプルで比較できます。 UI にモデルが表示されるのは、トレーニングサービスがそのモデルを受け入れている間だけです。そのため、モデルが一時的にセレクターに表示されなくなることがあります。

​
実験的モデル

以下のモデルは、実験的なトレーニング対象としてリクエストに応じて利用できます。これらのモデルはデフォルトではモデルセレクターに表示されない場合があり、サポート内容は予告なく変更されることがあります。
  • nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16
  • Qwen/Qwen3.5-4B
  • Qwen/Qwen3.5-9B
  • Qwen/Qwen3.6-35B-A3B
  • Qwen/Qwen3.8-27B
  • google/gemma-4-26B-A4B-it
  • google/gemma-4-31B-it
UI では、Nemotron モデルは nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B と表示されます。API リクエストでは、-BF16 を含む完全な識別子を使用してください。
これらのリストは、トレーニング可能なモデルを対象としています。OpenAI 互換のプロバイダーの既存モデルを接続して、サービング、再ラベル付け、比較に使用することもできます。

​
事前にモデルを 1 つに絞る必要はありません

有望なモデルをいくつかトレーニングし、目的の動作に照らして評価したうえで、最も優れた結果をデプロイします。これにより、ベンチマークやサイズだけでモデルを選ぶのではなく、実際のタスクで結果を比較できます。
ファインチューンを作成する際は、一覧に記載された値をそのまま base_model にコピーします。
完全なリクエストについては、ファインチューニング クイックスタート を参照してください。
最終更新日 2026年9月30日